听几个音符便能唤起整首歌，一瞥之间便能认出一张脸，这种联想记忆是大脑的天然能力，但要让电脑晶片做到同样的事，一直是类脑计算领域的难题。香港大学工程学院团队与惠普实验室合作，开发出一种忆阻器晶片，首次突破联想记忆的容量上限，在赋予电脑从部分线索中回忆出完整信息的能力的同时，即使部分硬体失效仍能保持可靠运行。

团队指出，这项突破为以记忆为中心的人工智能，提供了稳健、低功耗神经形态硬体的新发展方向。\大公报记者 郭如佳

相关成果已发表于《自然—通讯》。传统电脑记忆体必须准确知道信息储存位置才能读取，而联想记忆是透过「内容」来检索资讯，是模式补全和辨识以来的核心能力；这种联想记忆的容量长久以来受到网络规模限制，储存的模式越多，就越容易混淆，亦必须建立更大的网络。港大先进半导体与集成电路中心副主任、电机与计算机工程系副教授李灿与博士研究生贺诚平的研究证明，一种硬体自适应学习演算法能够突破这一上限，关键在于「不对抗缺陷，而是接纳缺陷」。团队在训练过程中测量每块晶片的真实装置缺陷并进行补偿，结合多层网络设计，使系统在真实硬体上实现了超线性扩展。

数据显示，同一系统处理二进位和连续值资料时，所需装置数量减少多达95%，晶片的储存容量则保持了先前最先进设计的约两倍，容量成长速度超过网络本身规模的成长，这是传统单层设计无法做到的。此外，该晶片利用忆阻器交叉阵列的并行性，可一次更新整个网络，因此与传统方法相比，回忆时间缩短多达99.7%，能源效率提升8.8倍。这些结果已在一块围绕64×64忆阻器阵列构建的完全整合晶片上得到了验证。

有望用于传感器和穿戴装置

李灿表示，真正的硬体从不完美，因此不应去对抗缺陷，而是教会系统接纳它们；新技术透过演算法与硬体协同设计，能够储存更多的记忆，并在装置失效时保持可靠，这些特质正是将类脑运算带入现实世界所需要的。团队指，这项突破对于需要远离数据中心、在严格功耗限制下运作的智慧边缘设备，例如传感器和穿戴式装置，尤其具备应用潜力。